利用多层神经网络实现核爆/非核爆的模糊综合评判方法

着重讨论了模糊综合评判与ＢＰ网络结合的原理,构造了一个可实现模糊综合评判的ＢＰ网络,并将其用于核爆／非核爆识别。以美国ＮＢＤＳ的软件判据为基础,检验了识别的效果。结果表明,对实测９个核爆样本均能正确识别,对模拟产生的３５个核爆非核爆样本,误识２个,总的正确识别率达到９５．５％。     

基于遗传算法的模糊分类及其应用

本文建立了一种区域性距离上基于遗传算法的模糊识别爆炸与地震的方法。以纵波,波最大振幅比,横波最大周期,近震震级与近震持续时间震级比作为鉴别量。此方法对河北样本和山西样本进行了识别,山西样本的正确识别率达９５．６％,河北样本的正确识别率在１００％。此方法优于神经网络方法。     

基于计算智能的分类器的应用

常数规则,一阶线性规则和基于遗传算法的模糊分类器,以及基于遗传算法的神经网络分类器在核爆监测中有着广泛应用前景,它们能为中远程核爆炸探测和核试验核查提供识别智能分类器。尤其是基于遗传算法的模糊分类器,从目前的应用来看其识别效果最好。     

中子弹核爆炸识别与当量测定原理和方法研究

从核爆炸效应的不同角度对中子弹核爆效应现象学进行了综合研究,得出了较全面系统的结果;同时,在对中子弹核爆炸效应进行分析的基础上,提取了一系列效应特征量,并推荐使用了优化特征量;利用多层神经网络系统,进行了中子弹核爆炸弹型识别的计算机仿真研究,得到了较理想的识别率;最后给出具有中子弹核爆炸识别、当量确定功能的核爆炸监测系统的原理与工作序列。     

印巴核试验地震波信号的复倒谱分析

利用印度1974年核试验和巴基斯坦1998年5月30日核试验实测波形,对印度1998年5月11日核试验和巴基斯坦1998年5月28日核试验实测波形进行了复倒谱分解,经分析得出了同国际地震学界一致的结论。     

中近距离爆炸与地震的识别

建立了一种识别中近离爆炸与地震的方法,采用Ｆｉｓｈｅｒ线性差别和多层前馈神经网络２种模式识别方法对河北地区和山西地区２的类事件进行了识别,实验证明：Ａｐ／Ａｓ,Ｔｓ具有较好的分类能力,Ｍｌ／Ｍｄ的分类能力一般;实验还表明,鉴别量的分类能力不仅与传播有关,还与采用的模式识别方法有关。     

野战核爆探测主要参数测量不确定度的计算

以核爆炸探测中各参数测量偏差同时存在为定义条件（前提）,以各参数的综合测量偏并所产生的不吻合率在规定限值以内为要求,提出了核爆炸当量和爆心投影点不确定度（允许偏差）的计算方法,给出了核爆炸探测的不确定度在当量和爆心投影点两参数中的分配数据。